生成器

引言

倘若需要输出一组0到9的平方的数据，容易想到以下实现方法：

# 方法1(for循环)
for i in range(10):
	print(i**2)

# 方法2(lamda匿名函数)
f = map((lambda x : x**2), range(10))
for i in f:
	print(i)

# 方法3(列表生成式)
f = [x**2 for x in range(10)]
for i in f:
	print(i) 

以上方法可得到0至9的平方，但若要生成0到100000的（甚至更大的数）平方，以上方法就会出现内存占用过大的问题，此外，有时我们用列表储存一个很大的数组，但使用过程中我们只用到了最前面的几个数，就出现资源浪费的问题。因此，如果列表中的元素可以由某种算法推算出来，在循环的过程中依据该算法不断推算后续的元素，那么可以节约大量的内存。

为了解决该问题，生成器（generator）的概念被提出，即一边循环一边计算的机制。换句话说，如果以更小的内存获得更大的数据，那就用生成器。

生成器

生成器的实现方法有两种，一种是将列表生成式的[]换成()，另一种是在函数中使用yield，那么在调用该函数的时候，就创建了一个生成器对象。以下是两种实现方法：

# 方法1
generate = (x**2 for x in range(10))
print(generate)
# <generator object <genexpr> at 0x0000024518D04DB0>

# 方法2
def generate(n):
	i = 0
	while i < n:
		yield i**2
		print(i**2)
		i += 1
	return 0


f = generate(10)
print(f)
# <generator object generate at 0x0000024518D04DB0>

以上两种方法分别创建了两个生成器对象，与列表储存数组不同，我们可以认为生成器储存的是算法，那么它能够顺利地推算出后续的数据吗，我们可以继续实验。如何输出数据呢？除了可以利用for循环输出结果，也可以利用生成器的next方法。如下：

generate = (x**2 for x in range(3))
# 方法1
for i in generate:
	print(i)
# 0
# 1
# 4

generate = (x**2 for x in range(3))
# 方法2
print(next(generate))
# 0
print(generate.__next__())
# 1
print(next(generate))
# 4
print(next(generate))
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# StopIteration

可以发现，生成器确实能够顺利地推算数据。值得注意的是，输出最后一个数据后，使用next方法时，会返回一个StopIteration的异常。事实上，生成器能够迭代的原因也是next方法，重复调用该方法，直到捕捉到StopIteration异常。一般情况下，获取生成器数据不会使用next方法，而是使用for循环迭代。

生成器工作原理

总的来说，生成器可以被用作控制循环的迭代行为，每次调用yield会暂停，使用next方法时恢复生成器。因此，不同于一般函数一次性返回所有数据，生成器一次只返回一个结果，是一种惰性计算。

此外，还有send方法，它同next方法一样，可以恢复生成器；但与next不同的是，它可以传入一个新的数据作为yield表达式的整体结果。

以下具体介绍yield和send方法。

yield

首先，说明yield。yield类似 return ，它会返回一个值，并且记住这个返回的位置，下次迭代或者用next(send)恢复生成器后，代码从返回位置的下一条语句继续执行。

def generate(n):
	i = 0
	while i < n:
		a = yield i**2
        print(a)
        print(i**2)
        i += 1


f = generate(3)
f.__next__()
# 0
f.__next__()
# None
# 0
# 1
f.__next__()
# None
# 1
# 4
f.__next__()
# None
# 4
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# StopIteration

第一次使用next方法时，停止在yield。yield返回0的平方，并且a没有被赋值；
第二次使用next方法时，从print(a)开始，由于a没有被赋值，因此输出None，其次print输出0的平方，i加1，最后停止在yield，返回1的平方；
第三次使用next方法时，从print(a)开始，由于a没有被赋值，因此输出None，其次print输出1的平方，i加1，最后停止在yield，返回2的平方；
第四次使用next方法时，从print(a)开始，a同样未被赋值，因此输出None，其次print输出2的平方，i加1，循环结束，返回StopIteration异常。

send方法

在介绍yield时，可以发现每次在yield处停止，但是a并没有被赋值。而前面提到的send方法可以解决这个问题，send() 和next()一样，都能让生成器继续执行（遇到yield停），但send()能传一个值，这个值作为yield表达式整体的结果。举个栗子：

def generate(n):
	i = 0
	while i < n:
		a = yield i**2
        print(a)
        print(i**2)
        i += 1


f = generate(3)
f.__next__()
# 0
f.__next__()
# None
# 0
# 1
f.send('hi')
# hi
# 1
# 4

上面利用send方法，在第三次执行生成器时，将“hi”作为yield表达式的整体结果赋值给了a，再执行后面的语句。